InternRobotics/OpenHomie

해결하는 문제

HOMIE는 복잡한 로코마니퓰레이션 작업을 수행할 때 인간형 로봇의 전신 움직임을 정밀하고 효율적으로 제어하는 어려움을 해결합니다. 고가의 모션 캡처(MoCap) 데이터나 복잡한 역운동학(IK) 계산에 의존하지 않아, 원격 조작 속도를 저하시키거나 로봇의 작업 영역을 제한하는 문제를 해결합니다.

작동 방식

이 프로젝트는 강화학습(RL) 학습 프레임워크와 저비용 하드웨어 코크피트를 결합합니다:

• RL 프레임워크 (HomieRL): 상체 자세 커리큘럼, 높이 추적 보상, 대칭성 활용을 기반으로 한 RL 기반 접근법을 사용하여, 상체가 동적으로 움직이는 동안 걷기, 앉기, 균형 유지 능력을 로봇에 학습시킵니다.
• 하드웨어 코크피트 (HomieHardware): 외골격 팔, 15-DoF 모션 감지 장갑, 보행 명령을 위한 페달로 구성된 동형 외골격 시스템입니다. 하드웨어가 로봇과 동형이므로, 역운동학(IK) 계산 없이 외골격의 관절 위치를 로봇에 직접 매핑할 수 있습니다.
• 배포 (HomieDeploy): 하드웨어 코크피트와 로봇(특히 Unitree G1에서 테스트 완료) 사이의 소프트웨어 브리지 제공.

대상 사용자

인간형 로봇, 원격 조작, 로코마니퓰레이션을 위한 강화학습에 종사하는 연구자 및 개발자.

주요 특징

• 동형 제어: 외골격에서 로봇으로의 관절 위치를 직접 매핑하여 더 빠르고 정확한 원격 조작 가능.
• MoCap 없음: 모션 캡처 데이터에서의 운동 사전 지식이 필요 없음.
• 저비용: 하드웨어 시스템 비용은 약 0.5k달러로, 전문적인 MoCap 시스템보다 훨씬 저렴.
• 전신 민첩성: 상체가 움직이는 동안 균형을 유지하며 안정적인 보행과 다양한 높이로 빠르게 앉는 능력 제공.